Машина эмоций

Добавление новых правил «если – действуй – то».

Корректировка низкоуровневых связей.

Создание новых подцелей для целей.

Выбор более совершенных методов поиска.

Изменение высокоуровневых описаний.

Создание новых подавителей и цензоров.

Создание новых переключателей и критиков.

Привязка существующих фрагментов знаний.

Создание новых аналогий.

Создание новых моделей и виртуальных миров.

В детстве мы учимся не только конкретным вещам, но и новым методам мышления. Тем не менее ни один ребенок не смог бы самостоятельно развить в себе уровень интеллекта, присущий взрослому. Поэтому, возможно, наш самый важный навык – это то, что мы учимся не только на собственном опыте, но и на основе того, что нам рассказывают другие.

8.5. Коэффициент релевантности

Оптимист считает, что стакан наполовину полон.

Пессимист – что наполовину пуст.

Инженер – что стакан вдвое больше, чем необходимо.

Когда мы познакомились с Кэрол во второй главе, она как раз училась использовать совочек для перемещения жидкости. Но затем у нас появился вопрос – какие сопутствующие обстоятельства заслуживают признания за то, что у нее в конце концов все получилось:

Нужно ли ей запоминать, какие на ней были ботиночки, где именно все происходило, было ли небо над головой пасмурным или ясным? Что, если она улыбалась, используя грабельки, но, орудуя совком, почему-либо нахмурилась? Что же мешает ей запомнить неверную корреляцию, например: «Чтобы наполнить ведерко, надо хмуриться»?[119]

Некоторые ранние теории процесса научения у животных основывались на схемах, в которых каждая награда за успех приводит к частичному «поощрению» определенных связей в мозгу животного, а каждое разочарование – к соответствующему ослаблению связей. В простых случаях это может помочь мозгу выбрать и распознать верные характеристики. Однако в более сложных ситуациях такие методы поиска релевантных данных уже не столь успешны, и вот тогда нам приходится включать рефлексию.

Иные теории научения предполагают, что оно заключается в создании и сохранении новых правил «если – действуй». Возможно, поэтому собаке Джека в разделе 8.4 понадобилось столько практики: например, каждый раз, когда она пыталась выполнить трюк, происходила небольшая корректировка «если» или одного из «действуй» – но корректировка сохранялась только в том случае, когда собака получала награду.

Простого добавления новых правил «если – действуй», возможно, хватит для обучения простым вещам, но даже это может потребовать принятия довольно сложных решений. Ведь любое новое правило «если – действуй», скорее всего, окажется неприменимым, если в пункте «если» будет слишком мало деталей (потому что тогда это правило можно будет применить к чему угодно) или слишком много деталей (тогда оно, возможно, больше никогда не пригодится, поскольку не бывает двух абсолютно одинаковых ситуаций). То же самое относится к пункту «действуй»; поэтому каждое новое «если» и «действуй» должно быть в достаточной степени абстрактным, чтобы его можно было применить в «похожем» случае – но не в слишком большом количестве непохожих. Иначе собаке Джека потребуется отдельное новое правило для каждого положения тела. Все это означает, что старыми схемами «поощрения» можно частично объяснить процесс научения у определенных животных – но этих схем едва ли хватит, чтобы разобраться, как люди учатся более сложным вещам.

Это возвращает нас к вопросу о том, как у людей получается так быстро учиться без нужды в повторении. Ранее мы предположили, что на самом деле оно нам необходимо, но это повторение мысленное и незаметное взгляду извне. Но здесь давайте рассмотрим еще одну теорию, согласно которой мы с помощью высокоуровневых процессов решаем, чему учиться в каждой конкретной ситуации. В таком случае, чтобы понять, чем вызван удачный исход, приходится задумываться над своими недавними мыслями. Вот некоторые из процессов, которые могут использоваться при назначении «коэффициента релевантности»[120].